TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
繼上次使用對接環玩微距之後，這次找了一個二手的近攝接寫環 (PK 接環) 來玩。
這玩意兒的放大倍率如下：(約略值)
使用1號接環=1:0.36~0.47
使用2號接環=1:0.50~0.61
使用1+2接環=1:0.64~0.75
使用3號接環=1:0.78~0.89
使用1+3接環=1:0.92~1.03
使用2+3接環=1:1.06~1.17
使用1+2+3接環=1:1.2~1.31
無光圈環的 DA 鏡頭不能用(從相機取下之後光圈就停在最小位置)，其它 K 接環鏡頭都可以使用，你也可以找個 M42 轉 PK 的接環來接，就可以用 M42 的鏡頭。
光線要夠，最好加腳架縮光圈來拍，會比較穩，不過我很白目，先手持來玩。對焦距離比使用對接環來得遠，應該算是好用一些。[PS. 剛測完就忘了這 4 張確切的光圈值，記得是用 f8 或 f11 在玩]
開始測試
使用相機：Pentax K10D
使用鏡頭：Ricoh XR Rikenon 50mm f2
兩支閃燈：Pentax AF-360FGZ (機頂) + Panasonic PE-28S (光觸發離閃)
測試環境示意圖：
使用 1 號接環 (ISO100、f8、1/180)
使用 1+2 號接環 (ISO100、f8、1/180)
使用 1+3 號接環 (ISO100、f8、1/180)
使用 1+2+3 號接環 (ISO100、f8、1/180)
以上測試。
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！